QQ客服 官方微博 反馈留言

	微观计量分析中缺失数据的极大似然估计
	孙凤
	2010-06-07 ; 2010-06-07
关键词	极大似然估计 预期—最大算法 缺失数据 Maximum likelihood Estimates Expectation—Maximization Algorithm Missing Data F224
其他题名	Maximum Likelihood Estimates for Missing Data of Micro Econometric Analysis
中文摘要	微观计量经济分析中常常遇到缺失数据,传统的处理方法是删除所要分析变量中的缺失数据,或用变量的均值替代缺失数据,这种方法经常造成样本有偏。极大似然估计方法可以有效地处理和估计缺失数据。本文首先介绍缺失数据的极大似然估计方法,然后对一实际调查数据中的缺失数据进行极大似然估计,并与传统处理方法的估计结果进行比较和评价。; Study on the microeconometric analysis frequently suffers from missing data. Traditional methods, such as listwise deletion, are inferiors. Maximum likelihood can be an effective and practical method for handling missing data. In this paper, I introdnce the basic principles of ML under missing data at first. Then, I present ExpectationMaximization Algorithm for missing data to obtain ML estimates. Finally, I use the EM to analyze a concrete survey data.; 国家自然基金资助(批准号:70173040),课题名称为“中国消费者行为研究”。
语种	中文 ; 中文
内容类型	期刊论文
源URL	[http://hdl.handle.net/123456789/43075]
专题	清华大学
推荐引用方式 GB/T 7714	孙凤. 微观计量分析中缺失数据的极大似然估计[J],2010, 2010.
APA	孙凤.(2010).微观计量分析中缺失数据的极大似然估计..
MLA	孙凤."微观计量分析中缺失数据的极大似然估计".(2010).

个性服务

查看访问统计

相关权益政策

暂无数据

收藏/分享

除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。